改进流向算法的无线传感器网络覆盖优化

针对标准流向算法易陷入局部最优和收敛精度低等问题,提出一种融合莱维(Levy)飞行和入侵杂草策略的改进流向算法.首先,该算法在选择水流流向时引入Levy飞行机制,使水流沿最优水流位置方向做Levy飞行运动,避免陷入局部最优;其次,利用入侵杂草策略,对每一代水流进行繁殖、空间扩散和竞争操作,增加水流的多样性,扩大搜索范围,提高全局寻优能力.最后,将改进流向算法应用于无线传感器网络覆盖优化中,并与标准流向算法及其他改进算法进行实验对比.仿真结果表明,相比标准流向算法及其他改进算法,所提改进流向算法的覆盖性能有大幅提升,覆盖率可达98.52%,可实现更均匀的节点分布和更低的部署成本.

基于无人机电力巡检的椭圆稀布阵列天线优化方法研究

为了提高电力巡检无人机的电磁检测性能,提出了一种基于无人机电力巡检的椭圆稀布阵列天线优化方法。阵列天线的阵列单元稀布排列,能够在保证阵列天线性能的同时,减少阵列单元的数目,从而减少馈电单元的数目。每个阵列单元等幅馈电,可以有效降低馈电网络设计的复杂程度,这些都能够在一定程度上降低阵列天线的功耗,提高无人机的巡检时间。利用改进智能优化算法,通过优化阵列单元的位置,使方向图的最高旁瓣电平(peak sidelobe level,PSLL)尽量低,因此文中设计的阵列天线具有较低的最高旁瓣电平,从而具有很好的环境抗干扰能力。仿真结果表明,在给定阵列单元数目、最小间距约束和阵列天线尺寸的情况下,提出的方法能够有效降低阵列天线方向图的最高旁瓣电平,对具有41个阵列单元的椭圆阵列天线进行优化,优化后的阵列天线方向图的最高旁瓣电平在-24dB以下。

基于柯西差分入侵杂草算法的微电网经济调度

为提高微电网运行的经济性,提出一种基于柯西差分入侵杂草算法的微电网经济调度方法。以微电网最低运行成本为目标函数,综合考虑各类约束,建立了微电网经济调度模型。利用柯西分布和差分进化策略对入侵杂草算法进行改进,以提高柯西差分入侵杂草算法(Cauchy Differential Evolution Invasive Weed Optimization,CDEIWO)的全局搜索性能,从而避免算法陷入局部最优。仿真测试结果表明,CDEIWO算法能有效减少迭代次数,提高收敛精度。采用CDEIWO算法对微电网经济调度模型进行求解,并与其他优化方法进行比较,结果表明,CDEIWO算法经过62次迭代后获得的最低运行成本为1772.32元,在收敛次数和最优解上均优于其他方法,在CDEIWO算法的调度策略下,各微电源出力合理,在保证清洁能源利用率的同时,大大提高了微电网运行的经济性,验证了本文所提微电网经济调度方法的正确性。

基于YOLOv5-SPD改进的杂草识别算法

杂草的精确识别是实现机器代替人工除草的首要前提。初生的杂草目标小,识别难度大。YOLOv5-SPD在小目标识别上有着良好的表现,但在稳健性及准确性上还有待提高。在YOLOv5-SPD基础上加入通道注意力机制可以加强有效特征的权重值,使网络的学习更具有针对性。同时将广义交并比(GIoU)损失函数替换成完全交并比(CIoU)损失函数,可有效解决边框重合关系问题和目标框与预测框的高宽比以及中心点之间的关系,使杂草预测框更加接近真实框。杂草数据集上的试验结果表明,改进后的网络检测精度达到70.3%,准确率达到94.1%,比原来的YOLOv5-SPD分别提高4.7%和2.8%。

基于自适应非线性因子杂草算法的WSN覆盖优化

无线传感器网络(WSN)的覆盖率与区域内的传感器节点分布密切关联,而现有传感器分布算法存在收敛速度慢、易陷入局部极值等问题。对此,提出了一种基于自适应非线性因子杂草算法(HA-IWO)的传感器节点分布优化方法。首先,在初始阶段,利用Halton序列产生偏差很小的初始点,使种群分布更均匀;其次,在种群扩散阶段,将非线性调和因子设置为根据迭代次数自适应产生,以调整搜索步长,解决算法易陷入局部最优的问题。最后,通过4组标准函数测试与WSN覆盖优化仿真对该算法进行验证。仿真实验表明:相比于标准杂草算法,改进后的算法具有收敛速度快、覆盖率高的优点,能有效解决WSN覆盖优化问题。

基于图像增强和注意力机制的作物杂草识别

为提高复杂环境下无人机获取的作物杂草图像识别的准确率,提出一种基于图像增强与注意力机制的作物杂草识别方法。在多尺度Retinex算法中加入颜色恢复函数调节3个通道颜色的占比以恢复其颜色特征,使图像更清晰;将残差网络模型中的激活函数换为Leaky ReLU,加入CBAM注意力机制模块,获取更多有用信息,抑制其它无用信息。实验结果表明,该方法可以提高复杂环境下无人机获取的作物杂草图像的识别准确率,其准确率达到95.3%,高于AlexNet、ResNet18、ResNet50及其它主流算法的识别结果。

求解柔性分批调度问题的双层搜索框架入侵杂草算法

针对柔性作业车间分批调度问题,提出一种双层搜索框架下的改进入侵杂草算法,以获得理想的分批调度方案。首先提出融合批次批量、工序排列和加工机器信息的3层基因编码;其次设计一种双层搜索优化框架,先通过分批搜索层进行柔性批量划分,再采用排序搜索层迭代优化获取分批调度方案。在分批搜索层中,基于工序平均工时缩小分批的解空间,提出随机数字分割法用以生成分批方案;在排序搜索层中,采用入侵杂草算法实现迭代优化,同时设计了分层初始化方法、混合机器选择策略和3种局部搜索算子,以提升算法搜索能力,并避免陷入局部最优。最后以最大完工时间为评价指标,从性能实验分析、框架实验验证和实例实验验证3个维度验证了所提算法的优越性和可行性。

融合注意力机制的YOLOv5深度神经网络杂草识别方法

在YOLOv5深度神经网络基础上融合CA注意力机制,设计了田间杂草自动识别模型。对不同天气、不同背景下拍摄的包含农作物的杂草图片进行背景分割和数据增强等预处理后,利用深度卷积神经网络进行特征提取,采用随机梯度下降进行模型训练,并与YOLOv4、SSD、Faster R-CNN等方法进行对比实验,改进后的杂草模型具有更强的分类和检测能力,基本解决杂草与农作物相似度较高的问题。实验结果显示,融合CA注意力机制的YOLOv5的杂草识别模型大小为14.1 MB,识别精度达到0.911,召回率为0.950,F1为0.88,平均准确率为0.904,单张杂草图像检测平均耗时仅为20 ms,整体性能最好。模型能够准确识别出独立、与农作物交叉和贴近等不同空间位置的长茎尖叶杂草,为作物生长精准管理和田间精准喷药提供技术支持。

基于改进入侵杂草算法的空调送风温度控制

为减少冷冻水系统能耗,提高变风量空调送风温度控制效果,提出一种基于入侵杂草的萤火虫群算法优化PID控制策略。首先对变风量空调的送风温度-冷冻水阀系统进行建模;然后将基本萤火虫群算法与杂草优化算法结合,构建入侵杂草-萤火虫群算法,利用改进后算法对空调送风温度系统进行控制。进行系统仿真对比以及实验测试,结果表明:改进后的送风温度控制更加精确,稳定性更强,同时具有一定的节能效果。

人工蜂群联合入侵杂草优化的云平台异常行为数据挖掘

云计算平台异常行为数据的维度增高,会影响数据挖掘效果。为此,提出人工蜂群联合入侵杂草优化的云平台异常行为数据挖掘方法。构造多标签核映射数据降维方法,并将径向基函数作为核函数,对数据降维;采用混合蜂群杂草算法对径向基函数带宽和最小二乘多分类孪生支持向量机惩罚因子进行优化;采用最优径向基函数带宽优化多标签核映射数据降维算法,并利用该算法对数据进行降维,将其输入到优化后的最小二乘多分类孪生支持向量机决策函数中,计算数据与各个超平面之间的距离,确定数据所属类别,从而获取最优的云计算平台异常行为数据挖掘结果。实验结果表明,该方法在挖掘误差、能量损耗、挖掘时间等指标上效果较好。

基于PID控制算法的变电站用锄草机器人设计

目前,国内的变电站内锄草作业主要靠人工完成,锄草质量受锄草工人技术的娴熟程度影响明显。此外在锄草过程中,锄草工人有可能会由于自身不小心造成与变电站内的高压设备产生接触,有人身触电的风险,由此可见锄草自动化势在必行。本文结合国内外锄草机器人的研究现状,阐述了研发此款锄草机器人的目的和现实意义;通过对LEGO(乐高)模块组装锄草机器人的可行性进行分析论证后,对锄草机器人的结构进行了设计;对锄草机器人的锄草轨迹进行了规划设计,实现了半圆曲面和平面的锄草移动作业,并对机器人小车不规则曲线的运动轨迹采用PID控制算法进行了设计。

基于机器视觉的苗期杂草实时分割算法

对利用植物的位置来识别作物苗期田间杂草的方法进行了研究。根据苗期田间植物的位置特征 ,建立了基于机器视觉的分割苗期田间杂草的算法 DBW。通过比较分析各种算法的分割效果图和所耗费的时间 ,运用超绿色法灰度化原始图像 ,然后应用最大方差自动取阈法二值化图像 ,最后运用种子填充算法分割作物和杂草。研究表明 ,算法 DBW在实时性方面表现出一定的优越性 ,处理一幅 5 4 4× 117像素的图像只需大约 6 0

一种混沌变异的入侵杂草优化算法及性能仿真

杂草算法是受杂草扩张繁殖行为启发而来的一种新颖的仿生群智能优化算法。在分析基本杂草算法仿生原理和局限性的基础上,提出一种改进的入侵杂草优化算法,运用混沌反向学习策略对种群进行初始化,通过变异算子增加种群的多样性;并对种群中的精英个体进行混沌搜索,以提高其跳离局部最优值的能力。对经典函数的仿真测试表明,改进算法性能优于基本杂草算法,是解决工程应用复杂函数优化问题的一种有效方法。

基于Copula理论的电动汽车光伏充电站储能配置

基于Copula理论,选取Gumbel-Copula和Clayton-Copula构建混合Copula函数来描述光伏出力和电动汽车充电负荷的相关性,在两者联合出力概率密度函数基础上模拟充电站的年净负荷量。在波动率、置信度等条件的约束下,建立以集成充电站年运行成本最小为目标函数的储能配置模型。采用基于差分进化策略的改进入侵杂草优化算法对实例进行计算。结果表明,考虑相关性的配置模型能以较小储能容量和运行成本满足约束条件的要求,同时相比于单一蓄电池配置方案,混合储能配置方案能减缓电池折旧,更有益于提高经济性。

考虑与电动汽车换电站互动的微电网经济调度

为实现电动汽车换电站(BSS)与微电网所有权不同时微电网运行优化,建立了微电网经济调度双层优化模型。在上层模型中,微电网调度中心是决策机构,其目标函数是微电网供电成本最小;在下层模型中,BSS运营商是决策机构,在考虑换电需求量不确定性的基础上,建立以BSS利润最大为目标函数的盒式集合鲁棒优化模型。上、下层优化模型通过微电网向BSS提供的个性化电价实现互动。采用入侵杂草算法和CPLEX软件分别对上、下层优化问题进行求解,得到微电网内部可控微电源的出力和个性化电价,实现微电网和BSS的共同利益。对某中压微电网进行算例分析,结果验证了所提模型及算法的合理性和有效性。

考虑风电相依结构的虚拟发电厂内部资源随机调度策略

虚拟发电厂运行机制的研究能够为需求侧分布式电源接入电网提供技术支撑,而可中断负荷是需求响应的重要形式之一,可以缓解新能源引起的波动,促进其消纳。将含可中断负荷、风电场和常规机组的电力系统视为虚拟发电厂,并对其进行优化调度。为提高风功率概率分析的准确性,引入Gumbel-Copula描述风电功率相关性,建立联合出力模型。结合需求侧可中断负荷的调峰特性,将可中断负荷加以中断时间、中断次数及中断容量等约束,与常规机组协同运行。通过基于差分进化策略的改进入侵杂草算法对算例进行求解,并与其他两种虚拟发电厂调度策略对比,结果表明该策略可减少总运行成本,同时增加风电消纳、降低风功率剩余。

求解TSP问题的混合杂草优化算法

根据组合优化问题的特点,提出一种离散混合杂草优化算法来解决旅行商问题,通过对算法中正态分布于父代周围的子代进行离散化分析,并引入遗传操作中的单点顺序交叉法和对换变异法,从而有效防止了算法的早熟收敛。计算机仿真结果表明,离散混合杂草优化算法相对于基本粒子群算法具有更好的性能。

基于混沌序列的多种群入侵杂草算法

针对入侵杂草优化算法存在的早熟现象,提出一种基于混沌序列的多种群入侵杂草优化算法。首先,算法初始化时,利用混沌序列初始化种群提高初始解的质量;其次,在算法迭代过程中,若个体的聚集程度小于阈值时,再次用混沌序列重新初始化种群,使得算法迭代过程中能够有效地跳出局部极小;最后,将杂草种群分为5个种群协同合作,可有效地避免算法早熟现象,提高算法的寻优精度和收敛速度。通过对8个测试函数的测试,结果表明,所提算法获得最优值比基本入侵杂草优化算法精度提高了25%～300%;标准差提高了50%～100%。

基于仿生理论的新型优化算法综述

仿生优化算法是通过模拟自然界生物进化或者社会行为的随机搜索方法而提出的一类算法。上述算法能够解决诸如背包问题、指派问题、旅行路径问题等许多传统方法难以解决的复杂问题,可被广泛地应用。介绍了混合蛙跳算法、萤火虫算法、杂草算法和蝙蝠算法四种目前比较新颖的新型仿生优化算法,分析比较了上述算法的特点及适用场景,通过仿真对比分析了四种算法的性能,最后分析了仿生优化算法的应用前景,并指出了算法今后的研究和发展的方向。

具有入侵杂草策略的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢的不足,提出一种具有入侵杂草策略的花朵授粉算法。该算法通过入侵杂草的繁殖、空间扩散和竞争策略,动态生成种群,增加种群的多样性和有效性,使算法能有效地避免陷入局部最优,增强全局寻优能力,提高收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的全局寻优能力明显优于基本的花朵授粉算法、差分进化算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。